李成立,呂俊偉,王佩飛,梁 平
(1.海軍航空大學控制工程系,山東 煙臺 264001;2.海軍航空大學飛行器工程系,山東 煙臺 264001)
紅外焦平面陣列( Infrared Focal Plane Arrays,IRFPA)是紅外成像系統的關鍵器件,被廣泛應用于紅外制導導彈和紅外光電載荷。但是由于制作器件和使用環境等各種綜合因素的影響[1],當受到相同程度的紅外輻射時,焦平面陣列探測單元的響應產生較大的差異[2],有可能會產生盲元現象。盲元的存在嚴重影響紅外成像的質量,當檢測圖像中的弱小目標時,可能會出現漏檢目標的情況,因此在紅外制導導彈和紅外光電載荷使用之前要先對其成像系統進行盲元檢測[3]。目前對盲元的檢測算法有很多,文獻[4]中提出通過9×9窗格響應和中值濾波法進行盲元檢測,有效地實現了盲元數量和位置的確定,文獻[5]中提出了將圖像窗口分割,然后通過計算窗口內標準差和均值大小來檢測盲元的算法,文獻[6]對有效像元的模型進行了分析,對其選取的分類算法進行了改進,得到有效像元的分布區間和更加精確的盲元分類準則,文獻[7]提出基于場景的時域平均野值提取(Temporal-Mean Outlier-Extraction,TMOE)的盲元檢測算法,無需依賴黑體輻射定標,能檢測出成像過程中出現的隨機盲元。上述算法在盲元分散的情況下檢測效果較好,但是在盲元連續的情況下檢測效果并不理想,可能會出現盲元漏判的現象。
本文對TMOE盲元檢測算法進行了改進,對濾波窗口下盲元的分布形式進行了討論,對連續盲元提出基于時域平均和空域均值野值提取的盲元檢測算法。算法先通過幀間時域平均和幀內空域平均做差,然后設置閾值對盲元進行判別,對連續盲元具有較好的檢測效果。最后根據羅曼諾夫斯基準則,建立紅外制導武器探測器盲元程度的評價指標和評定準則,作為判斷紅外制導武器成像探測器能否正常工作的依據。



圖1 檢測算法各步驟結果

圖2 TMOE算法框圖
由于IRFPA屬于大面陣的探測器,探測單元數目龐大,難免會產生一部分連續盲元[8],連續盲元的尺寸較大,采用窗口下濾波類算法無法濾除,濾波后仍會在圖像上留下白點,如圖1(b)所示,中值濾波器只濾除了平均圖像中的離散盲元點和部分盲元塊,這樣就會導致在差值圖像中丟失部分盲元塊,最終造成盲元的漏檢。差值圖像如圖1(c)所示。
本文對TMOE算法進行改進,先對連續紅外圖像序列取時域平均,然后對窗口下的盲元分布形式進行分類討論,采用中值濾波濾除離散的盲元點,采用對平均圖像求全局空域均值的方法濾除連續盲元,可以有效解決連續盲元的檢測問題。算法流程如下:

(1)
(2)


(3)
(4)
本文得到的差值絕對值D(i,j)的圖像如圖1(d)所示,其三維圖如圖4所示,正常像素位置處的D(i,j)數值被壓制的很低,接近于0。而過熱像元與死像元位置處的D(i,j)表現為較為明顯的高低兩種突出尖峰,這樣更利于采用閾值法[9]判別盲元。
(3)提取野值。設置合理的閾值Thr,若D(i,j)>Thr,則判定坐標(i,j)處為盲元。

圖3 第400幀平均圖像

圖4 差值絕對值D(i,j)
通過在理想圖像序列的基礎上人為添加盲元的方法得到500幀含盲元的圖像序列。理想視頻是用長波非制冷熱像儀移動拍攝的房屋建筑。為了驗證本文檢測算法的有效性,以檢測第400幀盲元圖像為例,將算法應用到該含有盲元的紅外圖像中,并將本文算法檢測效果與“3σ”算法和TMOE算法的檢測效果進行比較。盲元圖像如圖5(a)所示,各種算法檢測到的盲元集合分別如圖5(b)、(c)、(d)所示,各種算法的盲元檢測結果如表1所示。可以看出,“3σ”算法和TMOE算法對連續盲元的檢測效果較差,本文算法的盲元檢測率較高,對連續盲元的檢測效果較為理想,即本文算法可以有效地實現盲元檢測。


圖5 盲元檢測結果
算法結果對比數據如表1所示。

表1 算法結果對比
由于紅外探測器產生的盲元現象直接通過所成的圖像反映出來,因此可根據圖像中的盲元情況判斷紅外探測器的盲元情況。紅外圖像中盲元的數量和盲元的分布會影響到紅外目標的檢測與識別,對于紅外圖像較明顯的盲元,可以看出圖像盲元現象嚴重,視覺對比明顯。但在實際測試中這種結果并不是那么容易出現,對盲元現象輕微不夠明顯、視覺對比不強烈的情形進行判別,就需要一個確定的量化評價指標來判斷圖像盲元的嚴重程度。因此需要建立評價指標與評價準則對圖像中的盲元進行評價,從而判斷紅外成像設備能否繼續正常工作。
3.1 羅曼諾夫斯基準則[10]的應用
評價指標的建立是基于羅曼諾夫斯基準則對粗大誤差的判別思想,來做出對圖像盲元程度的判別。假設前n次測量都是正常的,則有:
設有n個樣本測量值為x1,x2,…,xn,假設測量值xn+1為可疑數據,計算前n項平均值為:
(5)
并求得測量列的標準差:
(6)
由n和顯著度α查表2可得檢驗系數K(n,α)。若:
(7)

(8)

表2 t分布表
3.2.1 測試原理
盲元測試是在實驗室通過判斷紅外成像設備所成的方形靶標圖像的盲元情況來判斷紅外成像設備的盲元情況。選擇靶標為溫度可調節,且可以在任一溫度下保持恒定狀態,即靶標所成圖像是均勻背景圖像。控制靶標在四個不同溫度,分別在每個溫度下捕捉待測試設備所成圖像,通過圖像采集卡獲取這四幅圖像,利用計算機對圖像進行處理,流程如圖6所示。

圖6 盲元測試流程圖
測試過程分為三步:
(1)將靶標設定四個溫度,分別獲取待測設備所成紅外圖像;
(2)對圖像進行盲元檢測,計算盲元率;
(3)計算四幅圖像盲元率均值,判斷成像設備的盲元程度。
3.2.2 盲元檢測
采用2.3節提出的盲元檢測算法對正常工作的紅外成像設備進行盲元檢測,統計盲元個數,計算盲元率,過程如下:



圖7 不同溫度下盲元檢測結果

序號N1N2N3N4Ni10.410.410.420.430.41820.530.510.520.510.51830.420.440.420.420.42540.410.430.430.420.42350.420.430.440.430.43060.410.420.430.410.41870.470.450.480.430.45880.510.520.510.510.51390.440.480.470.420.453100.500.530.540.520.523
3.2.3 評價準則與評價指標的建立


由式(8)判定Nn+1值,即:
可求得:
Nn+1>0.565
(9)
即待測設備紅外成像的盲元率滿足式(9)時,可判定該紅外成像設備不達標。
3.2節研究了紅外成像設備盲元測試技術,通過對紅外圖像進行盲元檢測,計算出盲元率,并與評價指標相比較,從而判別紅外成像設備的盲元程度,進而判斷紅外成像設備能否繼續使用,方法簡便快捷,有較高的準確度。當然該方法也有其局限性,不適用于下面幾種特殊情況。
(1)IRFPA中間存在塊狀盲元、線形盲元或盲元集中的情況,如圖8(a)、(b)、(c)所示。
(2)IRFPA邊緣存在盲元的情況,如圖8(d)所示。


圖8 幾種特殊分布形式盲元
第一種特殊情況主要是針對紅外弱小目標,或者紅外目標與紅外成像系統相距較遠,此時紅外目標被完全壓縮在紅外圖像的幾個分辨單元內。由文獻[11]得出的結論:當捕獲概率為50%時目標圖像占有的像素數為(4±1)個,當捕獲概率為90%時目標圖像占有的像素數為(6±1)個,因此捕獲目標時,其最小像素不能小于3個,最佳捕獲目標圖像為5個到7個像素,小于這個最佳個數,捕獲目標概率就會相當低。如果IRFPA中間存在連續盲元,則很有可能將目標掩蓋,將會影響紅外制導武器對目標的檢測;對于第二種特殊情況,因為紅外目標出現在紅外探測器搜索試場的中心,所以IRFPA邊緣的盲元基本不會影響到對目標的檢測與識別。在這兩種情況下不管待測成像設備的盲元率是否滿足評價準則,都要單獨對其進行判斷。
針對紅外制導武器探測器存在盲元的問題,本文對TMOE盲元檢測算法進行了改進,對濾波窗口下的盲元分布形式進行了討論,對連續盲元提出基于時域平均和空域均值野值提取的盲元檢測算法,對連續盲元具有較好的檢測效果,實現了盲元位置的確定,并通過仿真實驗,驗證了本文檢測算法的有效性和合理性。通過對紅外成像設備成像中盲元的不同類型及其分布特點進行了歸納匯總,找出了表征圖像盲元程度的參量,即盲元率,并從統計學角度出發,根據羅曼諾夫斯基準則,提出了紅外成像系統盲元的測試方法,建立紅外成像設備盲元程度的評價準則和評價指標。
參考文獻:
[1] XU Shiwei,WEI Dong,WANG Dapeng,et al.Blind pixel detection and compensation for infrared liner detector[J].Infrared and Laser Engineering,2014,43(11):3621-3626.(in Chinese)
徐世偉,魏東,王大鵬,等.紅外線陣探測器盲元定位與補償[J].紅外與激光工程,2014,43(11):3621-3626.
[2] REN Jianle,CHEN Qian,QIAN Weixian,et al.Mu-ltiframe registration based adaptive nonuniformity correction algorithm for infrared focal plane arrays[J].J.Infrared Millim.Waves,2014,33(2):122-128.
[3] LENG Hangong,GONG Zhendong,XIE Qingsheng,et al.Adaptive blind pixel detection and compensation for IRFPA based on fuzzy median filter[J].Infrared and Laser Engineering,2015,44(3):821-826.(in Chinese)
冷寒冰,宮振東,謝慶勝,等.基于模糊中值的IRFPA自適應盲元檢測與補償[J].紅外與激光工程,2015,44(3):821-826.
[4] AN Guangqi,ZHAO Yan,ZHANG Haifeng.Blind pixel detection and compensation on infrared detector[J].Aero Weaponry,2016,3(12):54-58.(in Chinese)
安廣齊,趙剡,張海峰.紅外探測器盲元檢測及補償[J].航空兵器,2016,3(12):54-58.
[5] KAN Bohan,YIN Jinjian,LI Lingjie,et al.IR blind pixels detection algorithm based on adjustable threshold window[J].Laser & Infrared,2014,44(8):949-952.(in Chinese)
闞博涵,殷金堅,李凌杰,等.基于可調閾值窗口的紅外盲元檢測算法[J].激光與紅外,2014,44(8):949-952.
[6] ZHANG Honghui,LUO Haibo,YU Xinrong,et al.Blind-pixel detection algorithm for IRFPA by applying pixel′s characteristics histogram analysis[J].Infrared and Laser Engineering,2014,43(6):1807-1811.(in Chinese)
張紅輝,羅海波,余新榮,等.采用特征直方圖的紅外焦平面陣列盲元檢測方法[J].紅外與激光工程,2014,43(6):1807-1811.
[7] LI Zhaolong,HAN Yulong.Blind pixel detection and correction of IR imaging based on scene[J].Laser & Infrared,2017,47(4):465-469.(in Chinese)
李召龍,韓玉龍.基于場景的紅外成像系統盲元檢測及校正[J].激光與紅外,2017,47(4):465-469.
[8] HAO Lichao,HUANG Aibo,LAI Canxiong,et al.Discussion of reliability analysis on IRFPA by bad pixel[J].Infrared and Laser Engineering,2016,45(12):0504004.(in Chinese)
郝立超,黃愛波,賴燦雄,等.盲元作為紅外焦平面可靠性分析手段的探討[J].紅外與激光工程,2016,45(12):0504004.
[9] LI Zhaolong,Shen Tongsheng,Lou Shuli.Scene based nonuniformity correction based on bilateral filter with reduced ghosting[J].Infrared Physics & Technology,2016,77:360-365.
[10] LV Junwei,CHEN Yuhua,SONG Qingshan.Method of distortion of infrared equipments imaging based on image processing[J].Journal of Ordnance Equipment Engineering,2016,37(1):9-14.(in Chinese)
呂俊偉,陳玉華,宋慶善.基于圖像處理的紅外成像設備畸變檢測方法[J].兵器裝備工程學報,2016,37(1):9-14.
[11] LV Junwei,HE Youjin,HAN Yanli.Principle of photoelectric tracking measurement[M].Beijing:National Defense Industry Press,2010:148-149.(in Chinese)
呂俊偉,何友金,韓艷麗.光電跟蹤測量原理[M].北京:國防工業出版社,2010:148-149.